推理算力正成为AI芯片市场的新增长极。联储证券半导体策略报告指出，2020年中国数据中心推理芯片市场份额已超50%，预计2025年将达60.8%。推理Scaling Law验证了增加推理时间可提升模型性能，后训练和推理阶段的算力需求正成为维持行业增长的关键动能。DeepSeek验证了算法优化对推理效率的提升，杰文斯悖论下总算力需求不降反升，推理芯片市场前景广阔。

清华大学和卡内基梅隆联合研究团队展示了推理Scaling Law——随着每个问题的推理算力增加，测试误差率显著下降。OpenAI的o1模型随强化学习和思考时间增加性能持续提高；DeepSeek R1-Lite在数学竞赛上的得分与思考长度紧密相关（CoT越长推理结果越精准）。后训练阶段的RL强调在预训练完成后通过强化学习和推理优化进一步提升性能，推理阶段的Scaling Law则关注部署阶段通过增加推理时间提升输出质量。预训练阶段参数扩展边际收益递减，但后训练和推理阶段算力需求正接近“性能弹性”最大阶段，发展AI模型整体的算力需求仍十分可观。

IDC数据显示，2020年中国数据中心推理芯片市场份额已超50%，预计2025年将达60.8%。推理算力预计将接棒训练算力，有望复刻训练芯片的快速增长轨迹。推理端算力对CSP而言直接挂钩收入——模型推理效率提升意味着算力投入回报率提升，加大算力投入规模逻辑顺畅。单芯片推理能力将逐渐增强，芯片会逐步加强对于虚拟化技术的支持。同时，CSP出于成本以及可得性考虑，ASIC在算力芯片中的比重预计不断提升。推理任务和小规模推理任务将出现混合部署趋势，芯片会逐步加强对于虚拟化技术的支持。

DeepSeek通过算法优化降低了单次推理的计算成本，但正如杰文斯悖论所示——当技术进步提高了效率，资源消耗不仅没有减少反而激增。DeepSeek的出现有望激发三类推理需求：第一，更多企业和开发者能够负担AI推理成本，长尾需求被激活；第二，模型推理效率提升意味着AI应用场景拓展，推理总次数增加；第三，CSP可将节省的计算资源用于更复杂的推理任务（如更长CoT），提升服务质量。推理芯片市场将受益于“单次成本下降×推理次数激增”的杰文斯效应，总需求反而有望提升。

高密度异构集成中，追求高带宽和低信号延迟的互连变得越来越关键。台积电CoWoS技术因其大集成面积、高带宽内存而备受关注。2023年CoWoS封装中介层尺寸约80×80mm（光掩膜3.3倍），计划2026年扩展至100×100mm（5.5倍），2027年进一步至120×120mm（8倍）。产能方面，2023年CoWoS产能约13000-16000 WPM，2025年预计达65000-75000 WPM，2026年预计达90000-110000 WPM。全球先进封装市场规模2023年达378亿美元，预计2029年达695亿美元，CAGR达10.68%。推理芯片性能提升高度依赖先进封装的带宽扩展能力。

推理芯片赛道具备三重驱动：量——AI应用渗透率提升驱动推理次数增长，推理芯片出货量持续增加；价——推理任务复杂度提升驱动单芯片性能要求提高，ASP上行；结构——CSP对成本敏感推动ASIC替代GPU，国产推理芯片切入机会增大。建议关注国产推理芯片设计（华为昇腾产业链、寒武纪、海光信息）、推理芯片配套封测（先进封装）、以及为推理芯片提供算力基础设施的设备材料环节。